AI Ginagawang Mas Madali ang Pag-3D Print ng Aloy ng Aerospace ng NASA

Ang metal 3D printing ay maaaring lumikha ng mga bahagi ng rocket engine na may mga panloob na cooling channel at mga hugis na mahirap gawin ng tradisyunal na paggawa. Gayunpaman, ang kakayahang iguhit ang isang advanced na komponent sa computer ay hindi nangangahulugang alam ng tagagawa kung paano ito matagumpay na i-print.

Ang bawat kombinasyon ng laser power, scanning speed, powder delivery, gas flow, at taas ng layer ay maaaring magbago ng resulta. Ang maling kombinasyon ay maaaring magdulot ng mga butas, pag-crack, o mahina na bonding. Ang pagtuklas ng tamang mga setting ay kadalasang nangangailangan ng ilang buwang magastos na trial and error.

Ipinakita ng mga mananaliksik mula sa Washington State University at University of Minnesota¹ na ang artificial intelligence ay maaaring gawing mas epektibo ang paghahanap na ito. Natukoy ng kanilang sistema ang maraming paraan upang i-print ang GRCop-42, isang mahirap na copper alloy na binuo ng NASA, gamit ang mga metal 3D printer na may mas mababang kapangyarihan at mas malawak na magagamit.

Ang tagumpay na ito ay mahalaga higit pa sa isang aloy. Ipinapahiwatig nito na maaaring tulungan ng AI ang mga tagagawa na mas mabilis dalhin ang mga bagong materyales sa produksyon, pababain ang gastos ng pag-develop ng proseso, at palawakin ang bilang ng mga pasilidad na kayang gumawa ng mga espesyal na bahagi ng aerospace.

Bakit Mahalaga ang GRCop-42 para sa Paggawa ng Aerospace

Ang GRCop-42 ay isang aloy ng tanso, chromium, at niobium na binuo para sa mga kapaligiran kung saan kailangang tiisin ng mga komponent ang napakainit na temperatura. Pinagsasama nito ang mataas na thermal conductivity sa lakas, resistensya sa oxidation, creep resistance, at resistensya sa thermal fatigue.

Ang mga katangiang ito ay ginagawang lubos na kapaki-pakinabang ito sa mga combustion chamber ng rocket engine, heat exchanger, at iba pang mga sistema na may mataas na daloy ng init. Ang tanso ay mahusay mag-conduct ng init, ngunit ang mga karaniwang aloy ng tanso ay maaaring mawalan ng lakas sa mataas na temperatura. Ang GRCop-42 ay dinisenyo upang balansehin ang parehong pangangailangan.

Ang parehong mga katangian na nagpapahalaga sa aloy ay nagiging dahilan din kung bakit ito mahirap i-print. Ang tanso ay nagre-reflect ng malaking bahagi ng infrared energy na nililikha ng karaniwang fiber laser. Dinadala rin nito ang nasipsip na init palabas ng melt pool nang napakabilis. Kung hindi makalikha at mapanatili ng printer ang isang matatag na melt pool, maaaring hindi maayos ang bonding ng inilapag na materyal.

Maaaring magkompensasyon ang mga tagagawa sa pamamagitan ng paggamit ng mas makapangyarihang kagamitan, ngunit nagpapataas ito ng gastos sa pagpasok. Dahil dito, tinanong ng mga mananaliksik kung maaaring matagumpay na ma-deposit ang GRCop-42 sa ibaba ng 900 watts, na may partikular na interes sa saklaw na 500 hanggang 700 watts na sinusuportahan ng mas maraming makina.

Paano Pinagpalit ng AI ang Magastos na Proseso ng Trial-and-Error

Binuo ng koponan ang isang balangkas na tinatawag na Bayesian Experimental Design for Additive Manufacturing, o BEAM. Hindi nito pinapatakbo nang autonomously ang printer o lumilikha ng bahagi. Sa halip, tinutukoy nito kung aling mga configuration ng pag-print ang pinakamahalagang subukan sunod.

Nagsisimula ang BEAM sa mga naunang eksperimento, kabilang ang mga nabigong pag-print. Gumagawa ito ng probabilistikong modelo na nag-uugnay ng mga setting ng printer sa posibilidad na makabuo ng katanggap-tanggap na estruktura, pagkatapos ay pumipili ng isa pang maliit na batch para sa pisikal na pagsubok. Ang mga resulta ay bumabalik sa modelo at inuulit ang siklo.

Ito ay praktikal na paggamit ng AI dahil pinapanatili nito ang pisikal na eksperimento sa proseso. Ang ibang mga mananaliksik ay katulad na nag-aaplay ng AI upang mapabuti ang katumpakan ng laser-based metal processing. Hindi kailangang perpektong i-simulate ng modelo ang bawat interaksyon ng metalurhiya. Kailangan lamang nitong gawing mas impormatibo ang bawat magastos na eksperimento kaysa sa halos manu-manong hula.

Malaki ang ekonomikong insentibo. Ayon sa papel, ang isang takbuhan ng directed energy deposition ay maaaring magastos mula $500 hanggang $1,000. Ang post-print analysis ay maaaring mangailangan ng karagdagang $500 bawat sample at tumagal ng isa hanggang apat na linggo. Ang pagsisiyasat sa process window ng bagong aloy ay maaaring lumagpas sa $100,000, kahit bago isaalang-alang ang ilang buwang espesyalistang paggawa.

Ano ang Sinubok ng mga Mananaliksik

Gumamit ang mga mananaliksik ng limang-axis na directed energy deposition system na may kasamang 1,000-watt infrared fiber laser. Ang directed energy deposition ay nagdadala ng metal powder papunta sa isang melt pool na binuo ng laser, unti-unting nagtatayo ng materyal sa ibabaw. Sa kasong ito, nag-deposit ang system ng GRCop-42 sa Inconel 718, isa pang aloy na malawakang ginagamit sa mga aplikasyon na may mataas na temperatura.

Ang mga posibleng kombinasyon ng feed rate, gas flow, scanning speed, layer height, at laser power ay lumikha ng humigit-kumulang isang milyong kandidato na configuration sa bawat antas ng kapangyarihan. Sa halip na manu-manong tuklasin ang napakalaking espasyo, binigyan ng BEAM ang budget na 10 lamang na eksperimento para sa bawat napiling laser power.

Sa loob ng tatlong buwan, natagpuan ng balangkas ang hindi bababa sa isang posibleng configuration sa bawat antas ng kapangyarihan. Ang mga matagumpay na sample ay naglaman ng solidong interior na may kaunting depekto at isang maayos na paglipat sa pagitan ng mga materyal na GRCop-42 at Inconel 718. Natuklasan din ng koponan na ang hindi pangkaraniwang mataas na scanning speed at mas manipis na mga layer kaysa sa karaniwan ay mahalaga para sa paglikha ng solidong estruktura.

Ang Pag-print na may Mas Mababang Kapangyarihan ay Maaaring Palawakin ang Access sa Mga Advanced na Aloy

Ang pag-print ng GRCop-42 sa 500 watts ay hindi lamang nagbabawas ng konsumo ng kuryente ng isang laser. Binabago nito kung aling kagamitan ang maaaring makilahok. Tinatantiya ng papel na higit sa 90 porsyento ng mga kaugnay na printer ay tumatakbo sa pagitan ng 500 at 1,000 watts. Ang paghahanap ng maaasahang mga setting sa saklaw na iyon ay maaaring magbigay-daan sa mga unibersidad, mas maliliit na tagagawa, at mga espesyal na pasilidad ng pananaliksik na magtrabaho sa isang aloy na kung hindi ay mangangailangan ng mas magastos na sistema.

Ang operasyon na may mas mababang kapangyarihan ay maaari ring magpababa ng distortion, mapabuti ang kalidad ng ibabaw, limitahan ang pagkasira ng laser optics, at bawasan ang pangangailangan sa post-processing. Kailangang sukatin ang mga benepisyong ito para sa isang tiyak na proseso ng produksyon, ngunit ipinapakita nito kung bakit ang pagtuklas ng mga parameter ay nakaaapekto sa ekonomiks ng paggawa kasinlaki ng teknikal na posibilidad.

Ang mga posibleng benepisyo ay kinabibilangan ng:

• Mas kaunting nabigong pagbuo sa panahon ng pag-develop ng materyal
• Mas mababang pangangailangan sa kagamitan at post-processing
• Mas mabilis na kwalipikasyon ng mga bagong materyal at komponent
• Mas malawak na pamamahagi ng produksyon ng mga espesyal na metal na bahagi

Ang huling puntong ito ay partikular na mahalaga sa aerospace at depensa. Ang mga industriyang ito ay nangangailangan ng mababang dami ng mga espesyal na bahagi at madalas ay humaharap sa mga supply chain na may kaunting kwalipikadong supplier. Ang isang prosesong maaaring ilipat sa mas maraming makina ay maaaring gawing mas hindi nakadepende sa iisang pasilidad ang limitadong mga run ng produksyon.

Maaaring Maging Kasangkapan ng AI ang Komersyalisasyon ng mga Materyales

Ang mas malaking pagkakataon ay hindi limitado sa GRCop-42. Ang metal additive manufacturing ay sumusuporta sa maraming posibleng mahalagang aloy, ngunit bawat bagong materyal at kombinasyon ng makina ay nangangailangan ng sariling process window. Ang isang setting na gumagana sa isang printer ay maaaring hindi ganap na mailipat sa iba dahil sa mga pagkakaiba sa laser, pulbos, atmospera, geometry, at thermal behavior.

Nagdudulot ito ng nakatagong bottleneck. Maaaring bumuo ang mga material scientist ng aloy na may kahanga-hangang katangian, ngunit maaaring kulang pa ang mga tagagawa ng abot-kayang at paulit-ulit na paraan upang gawing tapos na mga komponent ito. Ang katulad na mga AI-assisted na pamamaraan ay ginagamit na upang bumuo ng mas matibay at mas corrosion-resistant na 3D-printable na bakal. Ang AI-guided experimental design ay makakatulong punan ang natitirang puwang sa paggawa sa pamamagitan ng pagtrato sa mga nabigong eksperimento bilang kapaki-pakinabang na datos at pagtuon ng mga mapagkukunan sa mga bahagi ng search space na pinaka-malamang magbigay ng mga viable na resulta.

Habang nangongolekta ang mga kumpanya ng datos mula sa iba’t ibang makina at materyales, maaaring magsimulang gamitin ng mga modelo ang kaalaman na nakuha mula sa mga katulad na aloy. Ito ay magpapalit ng kasaysayan ng pag-develop ng proseso sa isang reusable na asset sa paggawa.

Gayunpaman, hindi dapat ituring ang kasalukuyang pag-aaral bilang patunay na ang mga flight-ready na komponent ay maaaring i-print na ngayon sa 500 watts. Ang mga mananaliksik ay lumikha ng mga laboratory sample, hindi mga sertipikadong rocket engine. Ang pag-aampon ng aerospace ay kakailangan pa ng mga pag-aaral sa repeatability, mechanical testing, component-level validation, at pag-apruba sa ilalim ng mahigpit na quality system. Pinabilis ng BEAM ang pagtuklas ng mga posibleng setting, na isang maagang ngunit magastos na yugto ng mas mahabang proseso ng komersyalisasyon.

Pamumuhunan sa AI-Enabled Metal Additive Manufacturing

Para sa mga mamumuhunan na interesado sa mga kumpanyang nagtatagpo ang aerospace, AI, at additive manufacturing, ang Velo3D (VELO ) ay nag-aalok ng isang partikular na kaugnay na halimbawa. Ang kumpanya ay nag-develop ng pamilya ng Sapphire na mga sistema ng metal additive manufacturing para sa mission-critical na aplikasyon sa aerospace at depensa.

Ang Velo3D ay nakapag-qualify na ng GRCop-42 para sa kanilang platform. Ang kanilang teknolohiya ay gumagamit ng laser powder bed fusion sa halip na ang directed energy deposition process na sinubukan sa papel, kaya ang mga configuration ng BEAM ay hindi basta-basta maaaring kopyahin sa isang Sapphire printer. Ang mas malawak na prinsipyo ay nananatiling may kaugnayan: ang AI-guided discovery ay maaaring makatulong sa mga tagagawa ng printer na i-qualify ang mahihirap na materyales at bawasan ang gastos sa pag-develop.

Nagbibigay ito ng natural na investment thesis hinggil sa pag-iipon ng kaalaman sa proseso. Ang pangmatagalang kompetitibong kalamangan sa metal printing ay maaaring hindi lamang magmula sa laser power o build volume. Maaari rin itong depende sa kung aling kumpanya ang maaasahang makapag-convert ng pinakamalawak na saklaw ng mga advanced na materyales tungo sa mga paulit-ulit, sertipikadong bahagi.

Ang Velo3D ay nananatiling isang spekulatibong small-cap na kumpanya na nakalantad sa mga panganib ng pagpapatupad, financing, kompetisyon, at customer-concentration. Gayunpaman, ang kanilang pokus sa aerospace at ang kasalukuyang kakayahan sa GRCop-42 ay ginagawang isang kaugnay na publicly traded na kumpanya na dapat subaybayan habang ang AI ay lalong isinasama sa pag-develop ng industriyal na proseso.

Binabago ng AI kung Paano Binubuo ang mga Pisikal na Teknolohiya

Ang pinaka-makabuluhang tampok ng BEAM ay ang pag-aapply ng AI sa isang pisikal na industriyal na limitasyon. Hindi ito lumilikha ng konsepto na kailangan pang subukan. Pinipili nito kung aling real-world na pagsubok ang dapat gawin sunod, natututo mula sa kinalabasan, at ginagawang mas may kaalaman ang susunod na eksperimento.

Ang saradong loop na ito ay maaaring maging isang natatanging pattern para sa AI sa paggawa. Habang ang mga materyales at komponent ay nagiging mas espesyal, ang masusing eksperimento ay nagiging masyadong mabagal at magastos. Ang mga sistema na nagsasama ng machine learning at ekspertong kaalaman ay maaaring paikliin ang paghahanap nang hindi tinatanggal ang mga siyentista o inhinyero mula sa proseso.

Para sa mga aerospace na tagagawa, ang agarang resulta ay isang mas madaling paraan upang i-print ang mahalagang aloy ng NASA. Ang mas malalim na implikasyon ay maaaring paikliin ng AI ang landas mula sa pagtuklas ng isang advanced na materyal hanggang sa paggawa ng kapaki-pakinabang na mga bahagi mula rito. Maaaring palawakin nito ang additive manufacturing lampas sa geometric freedom at gawing mas mabilis na plataporma para sa komersyalisasyon ng mismong mga materyales.

Mga Sanggunian:

^{1. Fadhel, A., Zuckschwerdt, N. W., Deshwal, A., Bose, S., Bandyopadhyay, A., & Doppa, J. (2026). Pagkatuklas ng mga posibleng configuration ng 3D printing para sa mga metal alloy sa pamamagitan ng AI-driven adaptive experimental design. Proceedings of the AAAI Conference on Artificial Intelligence, 40(47), 39939-39948. https://doi.org/10.1609/aaai.v40i47.41428}